大气颗粒物所引起的空气质量问题，包括城市能见度的下降、可吸入颗粒物对人类健康的影响等已经在全球范围内引起广泛关注。目前舆论尤为关注的PM2.5颗粒不会被人体免疫系统拦截，鼻毛和呼吸系统的纤毛都只能过滤较大尺寸的颗粒，却对PM2.5束手无策。　　 目前的测点汇报模式在空间覆盖度上难以满足对大气颗粒物浓度的高空间变化特征信息的提取，而利用卫星遥感进行大气颗粒物浓度的监测需要考虑诸多气象要素以及适当的大气边界层高度(HPBL)，本研究拟根据2008年的美国环境保护署(EPA)的监测数据、MODIS气溶胶产品MOD04_L2 Daily数据以及欧洲中期天气预报中心(ECMWF)气象再分析资料，采用基于LM-BP算法优化的人工神经网络模型进行大气颗粒物浓度的估算，对2006-2010年大气颗粒物浓度时空分布格局进行研究，进而计算得到仅针对大气颗粒物的综合空气污染指数(PAPI)用以表征大气颗粒物污染程度;结合高空间分辨率的环境星数据利用小波变换方法探索高空间分辨率大气颗粒物浓度估算方法，最终集成各模块实现了大气颗粒物污染遥感监测原型系统。具体工作内容如下:　　 1、分别介绍了MODIS、EPA监测数据和ECMWF数据的特点及数据预处理过程，并以此利用基于LM-BP算法优化的人工神经网络模型进行大气颗粒物浓度的估算，PM10、PM2.5浓度与地面监测数据的相关系数R分别为0.85和0.82并通过95％置信度检验，绝对误差APE分别为29％和25％;　　 2、根据2006-2010年大气颗粒物浓度估算结果，对近年来大气颗粒物污染时空分布格局进行研究，结果表明中国PM10与PM2.5浓度分布格局并不尽相同，两者在近五年的年际变化上都呈现出整体下降的态势，PM10的高值区出现在新疆大部、青海、甘肃、宁夏湖北以及内蒙的部分地区，而PM2.5的分布则与中国地势三级阶梯较为吻合。在季节变化上，两者也存在着“大同小异”的情形。整体而言，两者同样都是在北方地区春冬季浓度较高，夏季最低，秋季在南方部分省市会出现高值。但是，在秋季出现高值的区域却并不一致，PM2.5更为偏向东部沿海城市;　　 3、将PM2.5估算结果与NASA发布的PM2.5浓度分布图相比较，两者格局大体一致，但是对于绝对高值区则存在差异;分别计算了中国各省人均大气颗粒物浓度以及人口加权大气颗粒物浓度，揭示了2010年中国人口大气颗粒物污染暴露水平;本文提出并计算了更贴近空气污染现状的大气颗粒物综合污染指数PAPI，其分布与PM10、PM2.5等污染分指数的分布具有明显的不一致性;　　 4、结合高空间分辨率的环境星观测数据，探讨了基于离散小波变换的PM2.5信息增强技术，对MODIS估算得到的PM2.5浓度进行信息增强，得到30m空间分辨率的大气颗粒物浓度的方法，结果表明该方法具有可行性;　　 5、基于.NET平台，设计并开发了大气颗粒物污染遥感监测原型系统，实现了统一空间框架下大气颗粒物浓度的遥感数据处理、大气颗粒物浓度估算、PAPI计算以及可视化等功能模块的综合集成，具有图形可视化管理和数据处理、分析等功能，为针对大气颗粒物的空气质量信息评价提供决策支持。　　 通过本文的研究，一方面验证了MODIS气溶胶光学厚度产品MOD04_L2数据的可用性，另一方面研究了利用基于LM-BP算法优化的大气颗粒物浓度人工神经网络模型估算方法、根据离散小波变换实现的高空间分辨率大气颗粒物浓度估算方法以及大气颗粒物综合污染指数PAPI的计算方法，并最终实现了大气颗粒物污染遥感监测原型系统，其结果可直接应用于我国大气颗粒物污染相关的健康危险度评价工作，为环保部门及相关职能部门提供科学管理与污染防治决策依据，并为社会公众对大气环境质量认识提供一种尺度。